ホンダが取り組むB2B、B2C向けコネクテッドバイクサービス―Mobility Transformation Onlineレポート2

レンタルバイクのコネクテッド化、スマートフォンアプリサービス

趣味用途のファンバイク、つまりB2C向けのコネクテッドサービスについて、ホンダは以下の2点に取り組んでいる最中である。

レンタルバイクのコネクテッド化

ホンダの調査によれば、二輪免許を持っていてもバイクを購入する事はハードルが高い、と感じるユーザーが相当数いるそうだ。そこで車両を持たなくてもバイクライフを始められるように、ホンダは2020年3月末よりバイクレンタルサービス「HondaGO Bike Rental」を開始した。

ホンダの構想では、このバイクレンタルの車両にも今後、コネクテッドの機能を取り付けていく予定である。山本氏は、「HondaGO Bike Rental」は移動自体がアトラクションとなる体験を提供するサービスにするため、レンタルバイクのコネクテッド化に取り組む、と述べた。

ユーザー向けスマートフォンアプリ

ホンダはファンバイクを購入したユーザーに向けて、コネクテッド機能によって収集されたデータを届けるスマートフォンアプリを開発中である。山本氏によれば、現在開発中のアプリについては単なる「お得アプリ」ではなく、「顧客とホンダをつなぐコミュニケーションツール」を目指すそうだ。

移動データと他のデータを掛け合わせて価値を生む

ホンダは今後、どのようなビジョンを持ってコネクテッドバイクサービスを発展させていくのだろうか。その点についてはスマートドライブ・元垣内氏が、移動データを使った今後の展開を説明した。

まず、今後の展開を説明する前提として、元垣内氏は移動データの活用におけるポイントを2点述べた。

1点目に挙げたポイントは、移動データと別のデータを掛け合わせることによって、新たな価値を生むようにする、ということ。例えば、配達による販売業務を営むチェーンが、店舗ごとの売り上げ情報と、店舗が持つ車両の移動データを掛け合わせて、売り上げ効率の良い店舗の動き方を分析し、その動きを各店舗にノウハウとして伝える。

このように、移動データ単体では分からない、データの組み合わせによって分かる価値を活用する点が重要である、と元垣内氏は言う。

機械の制御、人の行動変容を促すデータ活用を目指す

2点目に挙げたポイントは、機械の制御や人の行動変容につながるデータ活用を最終的に目指す、ということだ。ここで元垣内氏が提示したのは、「ヒトが介在・pull型」「機械が中心・push型」という項目を縦軸に据え、「シンプル・定型」「複雑・非定型」という項目を横軸に据えた、移動データの活用形態の分布図（下記資料参照）だ。

移動データ活用形態の分布図。右上から時計回りに利用形態はステップアップするという

元垣内氏によれば、移動データの活用形態は分布図の右上から左上へと、4つのステップを経て時計回りに進化していく。

第1ステップ：過去データの可視化

過去のデータを可視化して、管理者がモニタリングやレポートを行う。「Honda FLEET MANEGEMENT」はこの第1ステップに位置付けられるサービスであると元垣内氏は語る。

第2ステップ：リアルタイムデータによる自動化

リアルタイムのデータをモニタリングし、簡単な自動化に取り組むステップ。セッションでは「データドリブンな施策の自動実行を行う段階」と紹介された。

第3ステップ：AI、機械学習による予測分析

複雑で非定型な事柄を、AI、機械学習によって予測するステップ。「人間技では出来ない領域のデータ活用」と、元垣内氏は表現した。

第4ステップ：機械の制御や、人の行動変容を促す

予測分析から更に一歩進み、人の行動変容を促す領域があるという。「人と機械の融合領域」と名付けられていた。

元垣内氏は、過去データをモニタリングする段階から、最終的には機械の制御や人の行動変容を促す段階を目指すことで、新たなデータ活用の方法を広げていく事が重要である、と述べた。

予測分析による最適メンテナンス案内

では、移動データと他のデータの掛け合わせ、あるいは機械の制御や人の行動変容を促すデータ活用によって、ホンダのバイクシェアリングサービスは今後どのような変化を目指すのか。

スマートドライブ・元垣内氏が例として挙げたのは、「予測分析による最適メンテナンス案内」である。「Honda FLEET MANEGEMENT」によって取得した走行特性データと、パーツの劣化を計測したデータやタイヤ交換時期を記録したデータ、燃費のデータを掛け合わせて、メンテナンスのタイミングを予測する。さらに故障や劣化の要因を特定することによって、人のメンテナンスを支援する、という仕組みをホンダは目指している。

予測分析による最適メンテナンス案内。移動データと車両データを掛け合わせて予測分析し、その結果をメンテナンスにフィードバックする

この「予測分析による最適メンテナンス案内」についてホンダモーターサイクルジャパン・山本氏は、特にEVバイクにおいて有効ではないか、という意見を述べた。EVバイクはバッテリーの特性上、1回の充電で走行できる距離が短い。このような問題を、移動データを活用したメンテナンス案内を行う事によってサポートすれば解決できるだろう、というのだ。

バイクならではの「感動体験」を求める

「予測分析による最適メンテナンス案内」は、B2Bにおける業務の更なる合理化を推し進めるものだが、B2Cの面においてはどのようなサービスの展開を予定しているのか。

これについてホンダモーターサイクルジャパン・山本氏は、コネクテッドによって得られたデータを基にした「バイクならではの感動体験」を提供することになるだろう、と意見を述べた。

例えば、ホンダが取り組んでいる二輪市場活性化プロジェクト「Honda Go」の公式インスタグラムには、ユーザーが美味しいコーヒーを入れるために、わざわざバイクに乗って美味しい湧き水を汲みに出掛ける、といった体験が投稿されている。つまりバイクのユーザーは、単にバイクを移動の手段としてではなく、感動する体験を提供してくれるものとして捉えている、というのだ。

そこで、コネクテッドサービスによって得られた移動データや、スマートフォンアプリにおけるユーザーとのコミュニケーションで得られた情報を活用して、バイクのユーザーに更なる感動体験を提供する、というのが山本氏の語ったB2Cにおける今後の展開である。